基于状态增强图神经网络的无线链路调度
信号处理
2025-05-13 v1
摘要
我们考虑大规模无线 ad hoc 网络中最优链路调度的问题。我们特别追求在确保每个链路最低传输要求（以实现公平性）的前提下，实现最大的长期平均性能。通过利用图结构表示链路之间的冲突， 我们构建了一个受约束的优化问题，以学习调度策略，该策略由图神经网络 (GNN) 参数化。为解决长期性能的挑战，我们采用状态增强技术。具体而言，通过将拉格朗日对偶变量作为调度策略的动态输入， GNN 可训练以逐步调整调度决策，以满足最低传输要求。我们通过数值仿真验证了所提出策略的有效性，并将其性能与各种网络设置下的多个基线方法进行比较。
引用
@article{arxiv.2505.07598,
title = {Wireless Link Scheduling with State-Augmented Graph Neural Networks},
author = {Romina Garcia Camargo and Zhiyang Wang and Navid NaderiAlizadeh and Alejandro Ribeiro},
journal= {arXiv preprint arXiv:2505.07598},
year = {2025}
}